[发明专利]基于最优指纹上报策略的无线室内定位方法

说明书

本发明提供了一种基于最优指纹上报策略的无线室内定位方法，包括如下步骤：在用户请求定位时，上传测得的信号强度指纹数据；服务器根据信号测量结果，查询指纹上报的数据库；服务器根据查询结果，判断是否要求用户继续测量；用户测量服务器指定的接入点信号强度后，将接入点的数据上传至服务器；服务器根据测量的接入点数据决定是否需要再次测量，直至测量的结果满足给定精度后，将结果返回至用户。本方法一方面有效利用额外的环境信息，提高不同位置的辨识度，另一方面解决了在不同位置信号强度指纹相同情况下的定位误差，从而有效地提高了定位精度。

技术领域

本发明涉及通信、导航定位技术领域，具体地，涉及一种基于最优指纹上报策略的无线室内定位方法。

背景技术

经过十多年的研究和发展，位置服务已经逐渐渗透到现实生活中。从社交和娱乐，到提高生产效率和实现目标，它们在生活中有着众多应用。比如，在大型的室内环境，如机场，图书馆或购物中心，位置信息可以提高这些机构的服务质量和游客的体验。传统上，位置相关的应用限于室外环境，大多采用全球定位系统(GPS)。然而由于室内环境的复杂性，采用GPS的方法是无效的。这些困难和挑战也使研究人员越来越多地投入到室内定位技术的研究中去。

在室内定位中，最优指纹报告策略依赖于需要定位服务的物理空间的设定。假设AP(Access Point接入点)在室内空间已经布置完成，室内空间的每个位置的最好策略是确定的，并且可以由所提出的算法来导出。因此，一个位置的最优策略起着类似于存储在数据库中本地指纹的角色，可用来区分不同位置。然而，由于对周围的AP而言，两个相邻位置的距离和角度几乎是一样的，故位置最优策略应该是相同的。导致的结果就是，特别对相近点而言，最优策略不如指纹来得敏感。然而这令人沮丧的现象在室内定位中有助于减少大尺度的错误。实验表明，单纯的基于定位系统的指纹的误差可高达6至7米，这是由于在基于位置指纹的定位中，由于室内空间的复杂性，无线信号传播的反射折射、小尺度衰落、多径效应等，导致物理空间相距较远的位置可能会呈现出相似的指纹，从而引起误差。但是，之前提到的最优策略的特征提供了消除此类错误的机会。尽管多个遥远位置可能有类似的指纹，但报告指纹的最优策略可以是互不相同的，因为候选点与周围AP的相对位置是不同的。

现有的处理指纹相似的方法包括P.Bahl等人在IEEE INFOCOM，2000年发表的“Radar:An in-building rf-based user location and tracking system”一文中提出的k最近邻居(KNN)算法，或是H.Liu等人在IEEE Transactions on Mobile Computing，2014年发表的名称为“Accurate wifi based localization for smartphones using peerassistance”一文中提出的同伴智能设备间的声学测距估计。然而KNN是没有定位理论基础的机器学习方法，而声学测距需要用户之间的协作。为了避免环境干扰导致的远距离位置指纹相似性引起的误差，本发明中，当上报指纹所对应的地图中对应多个候选位置时，服务器通过比对候选位置的最优策略，要求用户再次测量出现频数最高的AP，以缩小候选位置。通过基于最优策略的二次核实，可以减少根据指纹来估计位置的不确定性，并最终定位用户。

鉴于目前还没有科学有效的室内定位算法，本发明利用基于最优策略的二次核实，大大提升定位到正确位置的准确度。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于最优指纹上报策略的无线室内定位方法。

根据本发明提供的基于最优指纹上报策略的无线室内定位方法，包括如下步骤：

训练阶段步骤：

步骤A：服务器对用户所在位置内各个接入点的信号强度进行测量；

步骤B：服务器根据测得的信号强度进行训练，从而获得各个接入点的在线指纹数据库，即获得具体信道信息；